Existem sinais de alerta ocultos. Nem sempre. Mas frequentemente. Enterrado em milhares de pequenos tremores. A maioria das pessoas sente falta deles. Os cientistas tentam. Eles falham principalmente porque é fácil encontrar uma agulha, sabendo qual agulha é importante antes que o chão se parta? Mais difícil.
Uma nova pesquisa do GFZ Helmholtz Center muda ligeiramente o jogo. Sadegh Karimpoutli e a professora Patricia Martinez-Garzon não disseram aos seus computadores o que procurar. Esse é o jeito antigo. Dando rótulos predefinidos. Inútil aqui.
Em vez disso, eles deixaram o algoritmo vagar.
Aprendizado de máquina não supervisionado. Encontra estrutura sem regras.
O problema do padrão
Os terremotos não se importam com o nosso desejo de previsões claras. Já tentou prever exatamente quando o próximo grande sucesso acontecerá? Você seria ridicularizado fora do campo. Não está resolvido. Talvez insolúvel.
Os geocientistas perseguem precursores agora. Pequenos terremotos. Prenúncios. Eventos de deslizamento lento onde as falhas gemem silenciosamente. O problema é a inconsistência. O tempo varia. Mudanças de localização. Uma falha avisa em voz alta. Outro permanece em silêncio. A geologia local é importante. O estresse armazenado é importante.
O padrão de um terremoto pode ser o ruído do próximo.
O aprendizado de máquina ajudou a classificar os catálogos antes. Agora eles mudaram de tática. Nenhuma ideia fixa da aparência de um “precursor”. Apenas dados. Classificando-se.
O Dr. Karimpoutli colocou a questão de forma simples. Em vez de pesquisar, deixe os dados revelarem sua estrutura. Nenhum critério diagnóstico predefinido. Funciona para deslizamentos de terra. Vulcões. Agora terremotos.
Famílias do terremoto
Terremotos individuais são mentiras. Ou pelo menos, eles estão incompletos. Tratar cada tremor como um ponto em uma planilha? Você sente falta do drama.
A equipe agrupou eventos. “Famílias”.
Baseado no espaço. Tempo. Magnitude. Por que? Porque eles falam. Uma pequena ruptura desloca o estresse nas proximidades. Torna outro provável. Ou menos. Maior proximidade significa conversa mais alta.
O professor Marco Bohnhoff observa que o comportamento coletivo revela estresse na crosta. Ao olhar para as famílias, não para os indivíduos, você vê o crescimento.
Os pesquisadores usaram características físicas para descrever esses grupos. Aperto de agrupamento. Localização espacial. Indicadores estatísticos de estresse. O algoritmo então os categorizou. Diferentes estágios de tensão.
Experimentos de laboratório funcionaram. A natureza é confusa. Complexo de falhas. Dados imperfeitos. Será que aguentaria?
A mudança crítica
Eles testaram o método em casos históricos com precursores conhecidos. Três configurações tectônicas distintas.
- Kahramanmaraş (Türkiye 2023) – Limite de ataque e deslizamento. Mw 7,8.
- L’Aquila (Itália 2009) – Falhas normais fragmentadas. PM 6,1.
- Iquique (Chile 2014) – Zona de subducção. Mw 8.1.
Em todos os três? Sinais claros. Semanas a meses antes.
O algoritmo encontrou um padrão distinto de choque inicial. Três características se destacaram. Agrupamento mais forte. Terremotos falando mais. Maior localização. Os eventos se aproximaram no tempo e no espaço. Maior liberação de tensão.
Sinaliza um sistema próximo da instabilidade. Um salto do caos estável para o caos organizado. Pouco antes da ruptura.
Mas não em todos os lugares.
O silêncio também é um sinal
Eles aplicaram o mesmo filtro a terremotos sem avisos conhecidos. Amatrice (Itália 2016) e Noto (Japão 2024).
Nada. Nenhuma categoria crítica apareceu.
Por que? O professor Martinez-Garzon chama isso de problema da variabilidade. Monitoramento complexo. Física complexa. Algumas falhas simplesmente estalam. Sem alarde.
Algumas falhas falham sem sinais óbvios.
Isso não é uma falha do método. É uma realidade da Terra. O projeto, QUAKEHUNTER financiado pelo Conselho Europeu de Pesquisa, visa entender quando a preparação acontece. E quando pudermos pegá-lo.
Previsão Operacional
A previsão real exige olhar para frente, não para trás. Então eles simularam.
Primeiro, defina a linha de base. Use terremotos anteriores em uma região para estabelecer o “normal”. Em seguida, observe os novos dados. Procure partidas.
Se uma nova categoria sísmica aparecer repentinamente? A falha pode estar entrando em um estado crítico. Diferente. Potencialmente perigoso.
Isso pode prever um terremoto de forma determinística? Não. O Dr. Karimpoutli é claro sobre isso.
Não é uma bola de cristal. É um detector de anomalias. Isso indica que a falha está se comportando de maneira estranha. Está sussurrando algo novo.
O resultado final
A física encontra a IA. Padrões sutis expostos que as estatísticas tradicionais não percebem. Concentrando-se em grupos em vez de singletons.
O próximo passo? Monitoramento em tempo real. Integrando esses modelos.
Por que alguns tremem com aviso? Alguns em silêncio? Ainda desconhecido. A ferramenta existe. Os dados são barulhentos. A resposta pode estar apenas na conversa de fundo que costumávamos ignorar.
O que você ouve?
